随笔分类 -  Deep Learning

摘要:因为最近在研究生成对抗网络GAN,在读别人的代码时发现了 with tf.variable_scope(self.name_scope_conv, reuse = reuse): 这样一条语句,查阅官方文档时明白了这是TensorFlow的变量共享机制。 举个例子:当我们研究生成对抗网络GAN的时候 阅读全文
posted @ 2017-08-25 13:39 congyucn 阅读(824) 评论(1) 推荐(0)
摘要:上面方法中常用的是前两个参数: 第一个参数 x:指输入; 第二个参数 keep_prob: 设置神经元被选中的概率,在初始化时,keep_prob是一个占位符,keep_prob = tf.placeholder(tf.float32)。tensorflow在run时设置keep_prob具体的值, 阅读全文
posted @ 2017-08-23 20:04 congyucn 阅读(377) 评论(0) 推荐(0)
摘要:1. 生成tensor 2. 生成序列 3. 生成随机分布 注:tf.truncated_normal(shape, mean, stddev) :shape表示生成张量的维度,mean是均值,stddev是标准差。这个函数产生正态分布,均值和标准差自己设定。这是一个截断的产生正态分布的函数,就是说 阅读全文
posted @ 2017-08-23 19:38 congyucn 阅读(198) 评论(0) 推荐(0)
摘要:1. Placeholders placeholders,顾名思义,就是占位的意思,举个例子:我们定义了一个关于x,y的函数 f(x,y)=2x+y,但是我们并不知道x,y的值,那么x,y就是等待确定的值输入的placeholders。 我们如下定义一个placeholders: 一个简单的实例如下 阅读全文
posted @ 2017-08-19 15:11 congyucn 阅读(858) 评论(0) 推荐(0)
摘要:InteractiveSession 大家有时候在阅读代码时会看见InteractiveSession而不是熟悉的Session,这是什么东东呢? 其实,它们只有一点不同。。。。。 InteractiveSession是默认的session,这就意味着你可以在不声明session的条件下直接使用ru 阅读全文
posted @ 2017-08-16 14:03 congyucn 阅读(1786) 评论(0) 推荐(0)
摘要:0. 小试牛刀 首先,激活tensorflow环境( source activate tensorflow ),随后在ipython里: 创建常量格式如下: 例1: 输出: 例2: 输出: 拓展:http://web.stanford.edu/class/cs20si/lectures/notes_ 阅读全文
posted @ 2017-08-15 19:56 congyucn 阅读(1264) 评论(0) 推荐(0)
摘要:1. 准备好Anaconda环境 具体参见:http://blog.csdn.net/zhdgk19871218/article/details/46502637 方法一: 通用方法, 不推荐(如果需要配置多个TensorFlow环境,会导致版本冲突)! 2. pip安装TensorFlow 强烈推 阅读全文
posted @ 2017-08-11 14:08 congyucn 阅读(2321) 评论(0) 推荐(0)
摘要:前面,我们提到了监督学习,在机器学习中,与之对应的是非监督学习。无监督学习的问题是,在未加标签的数据中,试图找到隐藏的结构。因为提供给学习者的实例是未标记的,因此没有错误或报酬信号来评估潜在的解决方案。这区别于监督学习和强化学习无监督学习。 无监督学习是密切相关的统计数据密度估计的问题。然而无监督学 阅读全文
posted @ 2017-04-28 21:12 congyucn 阅读(446) 评论(0) 推荐(0)
摘要:监督学习是指:利用一组已知类别的样本调整分类器的参数,使其达到所要求性能的过程。 我们来看一个例子:预测房价(注:本文例子取自业界大牛吴恩达老师的机器学习课程) 如下图所示:横轴表示房子的面积,单位是平方英尺,纵轴表示房价,单位是千美元。那基于这组数据,假如你有一个朋友,他有一套 750 平方英尺房 阅读全文
posted @ 2017-04-28 20:32 congyucn 阅读(619) 评论(0) 推荐(1)